公开(公告)号：CN119007152A

公开(公告)日：2024-11-22

申请号：CN202411093790.2

申请日：2024-08-09

Applicant: 长安大学

Inventor： 盛星 ,  张俊哲 ,  段宗涛

IPC: G06V20/56 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于边缘引导的多损失驾驶感知方法，属于复杂背景下的图像分割和目标检测技术领域。本发明公开的方法，采用编码器、解码器、特征融合模块、多尺度特征聚合模块、边缘提取模块和边缘感知优化模块，从基于共享的主干编码器中获得了多尺度的特征，传达了丰富的对象线索，随后输入解码器得到特征向量；通过将特征向量输入到特征融合模块进行特征融合，将得到的融合信息分别输入到多尺度特征聚合模块和边缘提取模块中，最后用边缘感知优化模块对图像边缘进行优化，相对于其他方法，本发明的方法实现了高准确率、低误检率、高检测速度、图像边缘锐化的效果。

公开(公告)号：CN117710963A

公开(公告)日：2024-03-15

申请号：CN202311789698.5

申请日：2023-12-23

Applicant: 长安大学

Inventor： 盛星 ,  张俊哲 ,  段宗涛 ,  王振

IPC: G06V20/68 ,  G06V10/25 ,  G06V10/26 ,  G06V20/70 ,  G06V10/82 ,  G06V10/80 ,  G06V10/52 ,  G06V10/44 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明公开了一种基于多尺度外部注意力特征融合的桃目标检测方法，属于复杂背景下的目标检测技术领域。本发明公开的检测方法，首先用骨干网络提取图像特征，并将最后一层特征送入改进后的金字塔池化模块，然后将提取后的各层特征输入特征金字塔网络中，用多尺度外部注意力模块来对输入的特征进行提炼，将提炼后的特征分别与池化后的特征进行特征整合，特征整合以后像FCOS方法一样输出五个检测头，每个检测头都可以用于分类、目标中心和回归任务，该方法可以将不同尺度的特征进行更好的融合，为后面特征融合提供了更加准确的信息，同时结构简单、易于实现，仅仅使用线性层和归一化层，并不增加模型的额外开销。